Một clip Veo 3.1 dài 8 giây có giá gấp ba lần 8 giây tương tự trên MiniMax H3. Trên bảng xếp hạng bình chọn mù của Artificial Analysis, nó xếp sau 145 Elo. Đáng lẽ bài viết nên kết thúc ở đó.
Ngoại trừ việc API của Veo 3.1 được phát hành với tính năng tạo âm thanh bị tắt. Tham số là generate_audio, giá trị mặc định trong schema là false, và không có gì trong phản hồi cho bạn biết clip trả về bị câm. MiniMax H3 không có công tắc như vậy, vì H3 tạo hình ảnh và âm thanh nổi 32kHz trong cùng một lượt chạy và luôn luôn như vậy. Vì thế, một phần lớn các nhận định kiểu "Veo trông đẹp hơn" đang lan truyền được xây dựng bằng cách đặt một clip Google bị tắt tiếng cạnh một mô hình Trung Quốc xuất hiện kèm nhạc nền.
Tôi muốn biết khoảng cách 145 điểm đó thực sự trông như thế nào. Vì vậy tôi lấy định dạng viral nhất mà Veo từng tạo ra, phân đoạn ASMR trái cây thủy tinh, viết một prompt duy nhất, và chạy qua cả hai mô hình với mọi cài đặt được đẩy tối đa theo khả năng của từng bên. Bật âm thanh. Không cắt giảm gì.
Sau đó tôi tiếp tục tìm kiếm cho đến khi tìm ra ba điểm mà Google vẫn thắng, vì chúng tồn tại và không ai viết bài so sánh nào dường như đề cập đến.
Những điểm chính
- Trên Artificial Analysis chuyển văn bản thành video kèm âm thanh, MiniMax H3 đạt 1.238 Elo so với 1.093 của Veo 3.1. Đó là khoảng cách 145 điểm trên phiếu bầu mù (chụp nhanh, 06/08/2026).
- Tham số
generate_audiocủa Veo 3.1 mặc định làfalsetrong schema API. Nếu bạn gọi API mà không bao giờ thiết lập nó, bạn đang so sánh một clip Veo bị câm với một clip H3 có âm thanh nổi mặc định.- H3 chấp nhận mọi số giây nguyên từ 4 đến 15. Veo 3.1 chỉ nhận 4, 6 hoặc 8. Đó là trần cấu trúc, không phải cài đặt.
- Veo 3.1 hoàn toàn không xuất hiện trên bảng xếp hạng chỉnh sửa video của Artificial Analysis. H3 đứng số một trên bảng đó.
- Veo 3.1 vẫn thắng ở đầu ra 4K, ở khả năng tái lập với
seedcộngnegative_prompt, và Veo 3.1 Lite thực sự rẻ hơn bất cứ thứ gì H3 cung cấp nếu 720p là đủ với bạn.
MiniMax H3 vs Veo 3.1, Một Prompt, Ba Lượt Chạy Liên Tiếp
Một prompt, ba lượt chạy, theo thứ tự: MiniMax H3 ở 2K, Veo 3.1 ở 1080p với âm thanh được bật tường minh, Veo 3.1 Lite ở 720p. Mỗi phân đoạn giữ nguyên track âm thanh gốc của riêng mình, nên hãy bật loa lên. Hãy xem giây cuối cùng của mỗi lượt chạy và xem mô hình rẻ nhất làm gì với các cạnh của khung hình cuối.
Một trường quay macro với quả dưa hấu thủy tinh pha lê trên đá phiến ướt và hai màn hình sản xuất đang phát cùng một cảnh cắt lát_Bối cảnh bài viết này thực sự chạy: một spot quảng cáo sản phẩm ASMR, hai mô hình, một khóa API. Tạo bằng openai/gpt-image-2/text-to-image._
Vì Sao MiniMax H3 vs Veo 3.1 Bỗng Nhiên Là So Sánh Duy Nhất Đáng Chạy
MiniMax H3 ra mắt vào tháng 7 năm 2026 và làm được điều chưa mô hình nào khác trên bảng xếp hạng làm được. Nó lọt vào top ba của cả ba đấu trường video Artificial Analysis chỉ trong vài tuần, và làm được điều đó với tư cách là mục nhập open-weights duy nhất gần đỉnh bảng.
Đây là vị trí thực tế của hai mô hình, lấy trực tiếp thay vì trích từ thông cáo báo chí (Artificial Analysis, tháng 8 năm 2026):
Bảng A: Đấu trường Video Artificial Analysis, chụp nhanh 06/08/2026
| Bảng xếp hạng | MiniMax H3 | Veo 3.1 | Veo 3.1 Fast | Veo 3.1 Lite |
|---|---|---|---|---|
| Chuyển văn bản thành video (kèm âm thanh) | 1.238 (nhóm hạng 1-2, 6.830 phiếu) | 1.093 (nhóm 11-15, 8.536 phiếu) | 1.091 | 1.089 |
| Chuyển hình ảnh thành video | 1.189 (nhóm 1-3) | 1.084 (nhóm 8-12) | 1.077 | 1.065 |
| Chỉnh sửa video | 1.132 (hạng 1) | không có trên bảng | không có trên bảng | không có trên bảng |
| Giá niêm yết của nhà cung cấp, mỗi phút 1080p | $7,80 | $24,00 | $9,00 | $4,80 |
| Open weights | Có | Không | Không | Không |
Ba điều trong bảng đó đáng được chú ý hơn mức chúng đang nhận được.
Khoảng cách 145 điểm nằm trên bảng xếp hạng có âm thanh. Trên chuyển văn bản thành video kèm âm thanh, chỉ có Gemini Omni Flash (1.243) xếp trên H3 và nằm trong cùng nhóm hòa về mặt thống kê. Veo 3.1 đứng thứ mười một. Những người bình chọn nghe cả hai clip đã chọn H3 thay vì Veo với tỷ lệ chênh lệch lớn.
Veo 3.1 không có mặt trên bảng xếp hạng chỉnh sửa video. Bảng đó có tám mô hình và H3 đứng đầu, hơn Gemini Omni Flash 9 điểm. Google không thua trận so sánh đó, đơn giản là không tham gia. Nếu quy trình của bạn là "tạo ra, rồi sửa một thứ trong cảnh quay", sự khác biệt đó không giúp ích gì cho bạn.
Thông cáo của chính MiniMax phóng đại một con số, nên đừng lặp lại nó. Tuyên bố chính thức nói H3 dẫn vị trí thứ hai trên bảng chỉnh sửa 93 điểm. Vị trí thứ hai là Gemini Omni Flash ở 1.123, chỉ kém H3 9 điểm. Con số 93 điểm là khoảng cách với Dreamina Seedance 2.0 ở 1.037, xếp thứ năm. Cả hai con số đều có thật, chúng chỉ thuộc về những hàng khác nhau.
Vì sao hầu hết các bài so sánh trực diện đều sai
Ba kiểu sai lầm, theo thứ tự giảm dần về mức độ tôi thấy:
- Veo bị câm.
generate_audiomặc định làfalsetrong schema API của Veo 3.1. Một nhà phát triển không bao giờ đụng đến nó sẽ nhận được clip bị câm rồi chấm điểm nó so với bản phối âm thanh nổi của H3. Đó không phải so sánh mô hình, đó là lỗi cài đặt. Đáng biết: sân chơi web Atlas Cloud bật sẵn công tắc này cho bạn, nên cái bẫy chỉ tấn công những người gọi API trực tiếp, mà đó lại là hầu hết những người công bố benchmark. - Độ phân giải không khớp. Độ phân giải mặc định của H3 trên API là
2K, nhưng nhiều bài kiểm tra chạy nó ở768Pcho nhanh rồi đặt kết quả cạnh một khung hình Veo 1080p. - Giới hạn H3 ở 8 giây cho "công bằng". Điều đó không công bằng, nó vứt bỏ gần một nửa phạm vi thời lượng của H3 chỉ để có một bảng số đẹp.
Và để giữ sự trung thực, điểm yếu của chính H3 là có thật: nhồi đầy các khe tham chiếu có xu hướng làm lỏng độ bám prompt thay vì siết chặt, bậc 2K của nó thực sự chậm, và chính MiniMax cũng không định vị nó là mô hình phim hay hoạt hình. Trong lượt chạy này, H3 cũng thiên về tạo hình cách điệu, đọc brief như một buổi chụp sản phẩm pha lê cắt mài bóng bẩy thay vì vật thể siêu thực mà Veo tạo ra.
MiniMax H3 vs Veo 3.1: Thông Số, Hành Vi Âm Thanh và Những Gì Một Giây Mua Được
Phương pháp ở đây cố tình nhàm chán: một prompt, ba endpoint, một khóa API, không chỉnh sửa. Cả hai dòng mô hình được lưu trữ cạnh nhau trên Atlas Cloud, đó là lý do duy nhất có thể chạy cùng một prompt mà không cần hai tài khoản thanh toán riêng biệt và hai hệ phương ngữ tham số khác nhau để đối chiếu. Đó là toàn bộ phần đề cập sản phẩm. Các mô hình mới là chủ thể.
Bảng B: ma trận năng lực, từ schema API trực tiếp
| MiniMax H3 | Veo 3.1 | Veo 3.1 Lite | |
|---|---|---|---|
| Thời lượng | Mọi số giây nguyên, 4 đến 15 | 4, 6 hoặc 8 | 4, 6 hoặc 8 (1080p ép về 8) |
| Độ phân giải | 768P hoặc 2K | 720p, 1080p, 4k | 720p, 1080p |
| Tỷ lệ khung hình | 21:9, 16:9, 4:3, 1:1, 3:4, 9:16 | Chỉ 16:9 hoặc 9:16 | Chỉ 16:9 hoặc 9:16 |
| Âm thanh | Gốc, luôn bật, âm thanh nổi 32kHz, không có công tắc và không phụ phí | generate_audio, mặc định false | Luôn bật, không có công tắc |
| Đầu vào tham chiếu | refers[]: kết hợp bất kỳ ảnh, video và âm thanh, 4 đến 15 giây | images: 1 đến 3, và thời lượng khóa ở 8 | Không có |
| seed | Không | Có | Có |
| negative_prompt | Không | Có | Không |
| Open weights | Có, trên Hugging Face | Không | Không |
| Giá trên Atlas Cloud, mỗi giây | $0,14 ở 2K, $0,10 ở 768P | $0,20 khi câm, $0,40 khi có âm thanh | $0,05, đã bao gồm âm thanh |
Đọc hai hàng cuối cùng với nhau và bạn có được câu kết sắc nhất trong toàn bộ bài so sánh này:
MiniMax H3 bật âm thanh còn rẻ hơn Veo 3.1 tắt âm thanh. $0,14 mỗi giây so với $0,20.
Bảng giá của chính Google cũng đồng ý về trần giá. Veo 3.1 là $0,40 mỗi giây ở 720p và 1080p với âm thanh được tính là mức giá mặc định, tăng lên $0,60 ở 4K (Tài liệu API Gemini của Google, tháng 8 năm 2026). Atlas tách thành bậc câm ở $0,20 và bậc âm thanh ở $0,40, nên ngay khi bạn bật generate_audio thành true, chi phí mỗi giây của bạn tăng gấp đôi. H3 không có cần gạt tương đương, vì không có gì để bật.
Một bất đối xứng nữa đáng nêu trước khi chạy: resolution và duration của H3 đều là trường bắt buộc trên cả ba endpoint, và ratio của text-to-video mặc định là 1:1. Gửi một prompt trần là bạn nhận được video vuông. Veo sẽ vui vẻ mặc định ra một clip 720p 16:9 hợp lý.
MiniMax H3 vs Veo 3.1, Cùng Prompt, Cả Hai Mô Hình: Toàn Bộ Lượt Chạy
Một prompt cho cả ba mô hình, không đổi một chữ nào giữa chúng. Nó được xây dựng để gây áp lực lên bốn thứ cùng lúc: vật lý thủy tinh siêu thực, sân nhà của Veo; hiệu ứng âm thanh gốc đồng bộ với khoảnh khắc vỡ; một câu lồng tiếng người duy nhất; và một tấm card chữ ở một phần ba dưới màn hình mờ dần vào trong giây cuối, nơi H3 tuyên bố có lợi thế.
Sao chép nguyên văn.
Plain1Extreme macro ASMR shot, 16:9. A hyper-realistic watermelon carved from clear 2crystal glass rests on a wet black slate slab. A mirror-polished chef's knife 3presses down and slices cleanly through it in one slow, continuous motion; the 4glass parts with a bright ringing crack and a spray of tiny translucent shards 5that scatter and tick across the slate. Cold blue rim light from the left, one 6warm practical behind. 100mm macro, shallow depth of field, slow push-in. 7Sound: the crisp ring of glass under the blade, shards ticking onto stone, low 8room tone. A calm woman's voice says: "Cut clean. Every single time." In the 9final second, crisp white sans-serif type fades in across the lower third 10reading CUT CLEAN.
Bước 1: MiniMax H3 Text-to-Video ở 2K
Mở MiniMax H3 Text-to-Video, dán prompt vào, sau đó đặt ba trường mà tất cả đều quan trọng:
- Resolution:
2K. Trường bắt buộc. Đây là bậc cao nhất, 2560x1440 được xuất ra trên yêu cầu 16:9. - Duration:
8. Trường bắt buộc. Khớp với trần của Veo để so sánh đầu tiên tương đương nhau. - Ratio:
16:9. Đây là trường người ta hay bỏ sót. Mặc định là1:1, và text-to-video từ chối thẳngadaptivevới lỗi 400. Để nguyên là bạn nhận được clip vuông.
Không có trường seed và không có trường negative prompt. Bạn nhận những gì bộ lấy mẫu cho, và kiểm soát duy nhất của bạn là prompt.
Chi phí: 8 giây x $0,14 = $1,12, đã bao gồm âm thanh. Cũng nên dự trù sự kiên nhẫn: công việc này mất 455 giây từ đầu đến cuối. Tôi đã thử bốn lần để ghi lại lượt chạy hoàn chỉnh trên sân chơi cho bước này và hàng đợi 2K luôn dài hơn phiên trình duyệt mỗi lần, nên đây là đầu ra API trực tiếp thay thế, ở 100 phần trăm không phóng lại.
Một crop 100 phần trăm từ đầu ra MiniMax H3 2K cho thấy dòng chữ một phần ba dưới sắc nét và các mặt pha lê được kết xuất rõ ràng_MiniMax H3, 2K, 8s, 16:9, crop 1:1 từ khung hình 2560x1440 được xuất ra. Các cạnh chữ sạch, từng mảnh thủy tinh rời trên đá phiến giữ được các mặt pha lê, và đây là bậc mà các phiếu bầu trên bảng xếp hạng được đặt vào._
Bước 2: Veo 3.1 Text-to-Video, Bật Âm Thanh
Mở Veo 3.1 Text-to-Video và dán y nguyên prompt. Cài đặt:
- Resolution:
1080p. Enum của Veo cũng cung cấp4k, thứ mà H3 không thể chạm tới. Đáng biết: 720p và 1080p tính phí như nhau, nên 1080p là nâng cấp miễn phí. - Duration:
8. Mức tối đa. - Aspect ratio:
16:9. Chỉ có 16:9 và 9:16 tồn tại ở đây. generate_audio:true. Đây là bước mà cả internet bỏ qua. Mặc định schema làfalse, và một kết quả trả về bị câm trông không giống lỗi.negative_prompt:blurry, warped text, extra fingers, motion blur on type. Kiểm soát bổ sung miễn phí mà H3 không có.seed:12345. Cũng không có trên H3. Google cho bạn một tay cầm tái lập.
Chi phí: 8 giây x $0,40 = $3,20 với âm thanh bật. Để generate_audio tắt, cùng clip đó là $1,60 và bị câm.
Sân chơi text-to-video Veo 3.1 trên Atlas Cloud với công tắc Generate Audio đang bật và clip hoàn chỉnh đang phát trong bảng đầu ra_Veo 3.1, lượt chạy hoàn tất. Công tắc Generate Audio đang bật và nút Run hiển thị $3,2, tức 8 giây ở mức giá có âm thanh. Bản chụp này được để ở 720p mặc định của trang, vốn tính phí giống hệt 1080p; clip 1080p trong bài viết này đến từ cùng prompt qua API. Lưu ý hai trường trống, Negative Prompt và Seed, mà MiniMax H3 không có gì tương đương._
Bước 3: Veo 3.1 Lite, Ghế Hạng Rẻ
Mở Veo 3.1 Lite Text-to-Video, vẫn prompt đó. Cài đặt: 720p, 8 giây, 16:9, seed 12345.
Lưu ý điều đang thiếu trên trang này: không có công tắc âm thanh, vì Lite luôn tạo âm thanh. Cũng lưu ý một cái bẫy duy nhất trong schema của nó: 1080p trên Lite ép thời lượng về 8, nên một clip Lite 4 giây ở 1080p là thứ không tồn tại.
Chi phí: 8 giây x $0,05 = $0,40. Đó là clip hoàn chỉnh có âm thanh rẻ nhất trong toàn bộ bài viết này, tính cả H3.
Sân chơi Veo 3.1 Lite trên Atlas Cloud ở 720p không có nút bật/tắt âm thanh, clip hoàn chỉnh trong bảng đầu ra_Veo 3.1 Lite ở 720p. Không có điều khiển_ generateaudio nào trên trang này, đó chính là điểm mấu chốt.
Bước 4: Chấm Điểm MiniMax H3 vs Veo 3.1 Trên Năm Trục
Không gọi mô hình ở bước này, không tốn chi phí. Để nói chính xác đây là gì: một lượt chạy cho mỗi mô hình, lần thử đầu tiên, không chạy lại. Đây là đọc so sánh tương đương của ba clip, không phải nghiên cứu tỷ lệ giữ chân.
Bảng D: những gì thực sự trả về, mỗi bên một lượt
| Trục | MiniMax H3 2K | Veo 3.1 1080p | Veo 3.1 Lite 720p | Điều gì quyết định |
|---|---|---|---|---|
| Vật lý thủy tinh và tính chân thực | Sạch nhưng cách điệu | Tốt nhất | Trung bình | Veo tạo ra một vật thể thủy tinh đáng tin với mặt cắt thực sự và bụi trên đá phiến. H3 kết xuất một món trang trí pha lê cắt mài nhiều mặt, gần với CGI sản phẩm hơn là một thứ được chụp ảnh. |
| Đọc brief theo nghĩa đen | Trung bình | Trung bình | Tốt nhất về vật thể | Chỉ Lite cho quả dưa hấu thủy tinh vỏ xanh và hạt sẫm. Cả H3 và Veo đều bỏ qua cách đọc quả dưa hấu và tạo một quả cầu pha lê chung chung. |
| Chữ trên màn hình | Tốt nhất | Khá | Kém | Cả ba đều kết xuất CUT CLEAN đọc được, điều hiếm hơn người ta tưởng. Chỉ H3 ở 2K đặt nó ở một phần ba dưới trong giây cuối như yêu cầu. Lite phóng to nó ngang giữa khung hình và đưa vào quá sớm. |
| Độ bám prompt tổng thể | Tốt nhất | Trung bình | Tệ nhất | Brief yêu cầu macro cực cận, không có người. H3 giữ sạch. Veo thêm một bàn tay không được yêu cầu. Lite bịa ra hai người phụ nữ giống hệt nhau trong khung chân dung đối xứng ở cả hai cạnh khung hình cuối. |
| Dùng được ngay lượt đầu | Có | Có | Không | Khung hình Lite ở trên không thể sửa trong hậu kỳ. |
Các khung hình khớp nhau từ lượt chạy MiniMax H3 và Veo 3.1 tại khoảnh khắc dòng chữ một phần ba dưới mờ dần vào
Cùng một nhịp trong cả hai lượt chạy, khung hình nơi CUT CLEAN mờ dần vào. Trái là MiniMax H3 ở 2K, phải là Veo 3.1 ở 1080p với âm thanh bật. Thủy tinh của Veo đọc giống một vật thể được chụp ảnh hơn; chữ của H3 sắc nét hơn và đặt đúng chỗ.
Trục âm thanh là một phán quyết bằng tai, nên đoạn phim ở trên là nơi bạn đánh giá nó. Điều có thể đo lường được: cả ba đều trả về một track âm thanh nổi liên tục không có khoảng chết nào quá 0,6 giây. H3 cung cấp âm thanh nổi 32kHz và trộn nóng, mức trung bình gần -18 dB với đỉnh chạm 0 dBFS. Veo 3.1 cung cấp âm thanh nổi 48kHz ở mức trung bình thận trọng khoảng -31 dB. Track của H3 to hơn khoảng 13 dB, nghe như một bản phối hoàn thiện hơn ngay khi ra khỏi mô hình nhưng cũng để lại cho bạn ít khoảng trống hơn để hiệu chỉnh.
Bước 5: Lượt Chạy 15 Giây Mà Veo 3.1 Về Cấu Trúc Không Làm Được
Cùng trang như Bước 1, cùng prompt, hai trường thay đổi: Duration 15, Resolution 768P, ratio vẫn 16:9. Không có ảnh chụp màn hình mới, vẫn là sân chơi đó.
Đây là bước không có bản đối ứng Veo. Enum duration của Veo 3.1 là [4, 6, 8] trên mọi endpoint, và không có gói, bậc hay cờ nào nâng nó lên. Câu trả lời của chính Google cho nhu cầu muốn dài hơn là một tính năng kéo dài video riêng (tài liệu tạo video của Google, tháng 8 năm 2026), nghĩa là tạo các khối 8 giây rồi nối chúng lại, nghĩa là phải khớp hiệu chỉnh màu và âm thanh qua các đường nối. H3 cho bạn một cú quay liên tục với một nền âm thanh liên tục duy nhất.
Chi phí: 15 giây x $0,10 = $1,50, ít hơn một nửa chi phí của một clip Veo 3.1 8 giây có âm thanh.
MiniMax H3, 768P, 15 giây, một cú quay không ngắt quãng với một nền âm thanh không ngắt quãng. Bật loa. Veo 3.1 không có cài đặt nào tạo ra được tập tin này. Lưu ý dòng khắc mà H3 bịa ra dọc theo lưỡi dao: chữ được chỉ định thì kết xuất sạch, chữ bịa thì vô nghĩa.
Hai ghi chú trung thực về lượt chạy này. Nó chạy 485 giây, công việc chậm nhất trong bài viết, và nền âm thanh của nó thưa thớt hơn đáng kể so với phiên bản 8 giây, có những khoảng trống thực sự quanh mốc ba giây và mười một giây. Dài hơn thì có sẵn, nhưng dài hơn không phải không có hệ quả.
Tổng chi tiêu cho bốn bước hướng dẫn: $1,12 + $3,20 + $0,40 + $1,50 = $6,22, một lần thử cho mỗi mô hình, không chạy lại. Lượt chạy 768P 8 giây bổ sung dùng ở phần tiếp theo tốn thêm $0,80, và các bản chụp sân chơi là các lượt chạy trả phí riêng bên trên.
MiniMax H3 vs Veo 3.1: Nơi H3 Đi Xa Hơn Những Gì Google Cho Phép
Bốn năng lực ở phía H3 của bảng không phải là các phiên bản chậm hơn hay rẻ hơn của tính năng Veo, chúng là những thứ Veo không phơi bày ra chút nào.
Khung cảnh 21:9. Enum ratio của H3 bao gồm 21:9, 4:3, 1:1 và 3:4 bên cạnh cặp thông thường. Veo 3.1 và Lite đều chỉ có 16:9 hoặc 9:16 và không gì khác. Nếu bạn đang dựng một teaser định dạng điện ảnh, một trong hai mô hình này có thể đóng khung nguyên bản và mô hình kia cần crop.
Tham chiếu không chỉ là ảnh. Endpoint reference-to-video của H3 nhận một mảng refers[] kết hợp tham chiếu hình ảnh, video và âm thanh để neo giữ một diện mạo, và nó giữ nguyên phạm vi 4 đến 15 giây khi làm việc đó. Reference-to-video của Veo 3.1 nhận một mảng images giới hạn 3 mục và enum duration của nó sụp xuống [8], nên việc tham chiếu khóa bạn ở tám giây. Một lời thận trọng từ kinh nghiệm: nhồi đầy các khe tham chiếu của H3 có xu hướng kéo đầu ra ra xa prompt thay vì về phía nó, nên hãy tăng dần.
2K là một lần kết xuất lại, không phải nâng cấp. Điều này làm tôi bất ngờ và tôi chưa thấy nó được viết ở đâu cả. Chạy y nguyên prompt trên H3 text-to-video ở 768P và ở 2K, bạn không nhận được cùng một bộ phim ở hai kích thước. Bạn nhận được hai bộ phim khác nhau. Trong lượt chạy này, bản 768P để quả dưa nguyên vẹn và đứng thẳng với một ngọn nến cháy phía sau và quăng dòng chữ ngang giữa khung hình tại mốc bốn giây. Bản 2K bẻ quả dưa thành ba mảnh, di chuyển ánh sáng hậu cảnh, và đặt dòng chữ nhỏ ở một phần ba dưới trong giây cuối, đúng như mô tả. Cùng prompt, cùng ratio, cùng bộ lấy mẫu không seed.
Các khung hình cạnh nhau từ cùng một prompt chạy ở 768P và ở 2K trên MiniMax H3, cho thấy cách dựng cảnh khác nhau thay vì cùng một cảnh quay ở hai kích thước_Cùng prompt, cùng mô hình, cùng ratio, 768P bên trái và 2K bên phải, cả hai ở cùng mốc thời gian. Dàn dựng khác, ánh sáng khác, xử lý chữ khác. Nếu bạn cần bố cục sống sót qua các bậc, hãy khóa khung hình đầu bằng_ image-to-video thay vào đó.
Không phụ phí âm thanh, bao giờ. Nói thẳng ra vì nó thay đổi cách bạn lập ngân sách: không có phiên bản nào của clip H3 rẻ hơn vì bị câm, và không có phiên bản nào của clip Veo 3.1 có âm thanh ở mức giá câm.
Để giữ sổ sách trung thực, ba nơi Google thực sự thắng và H3 không có câu trả lời:
- 4K. Enum độ phân giải của Veo 3.1 bao gồm
4k. H3 dừng ở 2K. Nếu hợp đồng khách hàng yêu cầu master 4K, so sánh này kết thúc tại đây. seedvànegative_prompt. Veo cho bạn khả năng điều chỉnh độ tái lập và chủ động cấm các kiểu lỗi. H3 không cho bạn cái nào. Trong một buổi quay mà bạn cần chạy lại một lần suýt chuẩn mà không mất toàn bộ diện mạo, khoảng trống đó làm đau thật sự.- Tốc độ, theo một nghĩa nào đó. Tài liệu mô hình của Veo 3.1 trích dẫn khoảng 2 đến 3 phút cho một clip 1080p 8 giây. Trong lượt chạy này, gửi đồng thời, H3 ở 2K mất 455 giây và Veo 3.1 ở 1080p mất 462 giây, nên thực tế họ hòa nhau và cả hai đều vượt xa con số được trích dẫn. Veo 3.1 Lite hoàn thành trong 237 giây, chưa bằng một nửa của cả hai. Nếu bạn đang lặp trực tiếp trước mặt khách hàng, Lite là mô hình duy nhất trong ba cái theo kịp, và đó là một lợi thế thực sự mà mức giá mỗi giây không thể hiện ra.
Một Quảng Cáo Hoàn Chỉnh Tốn Bao Nhiêu Trên MiniMax H3 vs Veo 3.1
Giá mỗi giây không phải thứ bạn chi. Thứ bạn chi là giá mỗi giây nhân với số clip bạn vứt bỏ. Cột 30 giây bên dưới áp dụng tỷ lệ giữ chân 3:1, ba lần tạo cho một lượt dùng được, một giả định làm việc từ thông lệ sản xuất bình thường thay vì điều lượt chạy này đo được. Hãy coi nó là hệ số tỷ lệ, không phải benchmark.
Bảng C: chi phí thực cho mỗi spot bàn giao, giá Atlas Cloud tính đến tháng 8 năm 2026, không áp dụng chiết khấu đang chạy
| Endpoint và bậc | $/giây | Một clip 8s | Spot 30s ở tỷ lệ giữ chân 3:1 | Âm thanh |
|---|---|---|---|---|
| MiniMax H3, 2K | $0,14 | $1,12 | $12,60 | Luôn bật |
| MiniMax H3, 768P | $0,10 | $0,80 | $9,00 | Luôn bật |
| Veo 3.1, câm | $0,20 | $1,60 | $18,00 | Tắt |
| Veo 3.1, bật âm thanh | $0,40 | $3,20 | $36,00 | Bật |
| Veo 3.1 Lite, 720p | $0,05 | $0,40 | $4,50 | Luôn bật |
Hai kết luận, và kết luận thứ hai không phải điều tôi dự định viết.
Nếu bạn cần 2K, hoặc dài hơn 8 giây, hoặc tỷ lệ khung hình khác ngoài 16:9 và 9:16, hoặc âm thanh gốc không phụ phí, H3 thắng về chi phí với cách biệt lớn. Một spot 30 giây ở bậc cao nhất của H3 rơi vào khoảng một phần ba so với cùng spot đó trên Veo 3.1 có âm thanh.
Nếu 720p và 8 giây thực sự đủ, Veo 3.1 Lite là thứ rẻ nhất ở đây, và không hề chênh. Ở $0,05 mỗi giây, nó bằng một nửa bậc rẻ nhất của H3, âm thanh đã bao gồm với không công tắc nào để quên, và nó nhanh gấp đôi cả hai mô hình chủ lực. Bất kỳ ai nói với bạn H3 vô điều kiện là lựa chọn rẻ đều chưa nhìn vào hàng Lite. Google cũng liệt kê Veo 3.1 Fast ở giữa, ở $0,10 mỗi giây tại 720p trong bảng giá của chính họ, dù danh mục của Atlas và trang mô hình trích dẫn các con số khác nhau cho bậc đó nên hãy coi con số chính xác của Fast là chưa ngã ngũ.
Điều hóc búa là những gì mức chiết khấu đó mua được. Đây là khung hình cuối cùng Lite trả về trong lần thử đầu tiên:
Khung hình cuối của lượt chạy Veo 3.1 Lite, với hai người phụ nữ ảo giác giống hệt nhau trong khung chân dung ở cả hai cạnh khung hình_Veo 3.1 Lite, khung hình cuối, lượt đầu tiên. Prompt có nhắc đến giọng một người phụ nữ; Lite quyết định cho thấy cô ấy, hai lần, trong các khung chân dung khớp nhau. Nó cũng cho quả dưa vỏ xanh và hạt đẹp nhất trong ba mô hình, điều khiến chuyện này bực bội thay vì chỉ đơn thuần tệ._
Đó là hình dạng trung thực của bậc rẻ. Nó đọc vật thể tốt hơn cả hai mô hình chủ lực rồi làm hỏng cảnh quay theo cách bạn không thể sửa trong hậu kỳ. Rẻ mỗi giây không phải rẻ mỗi clip dùng được nếu tỷ lệ lỗi dịch chuyển, nên nếu bạn chọn Lite, hãy dự trù các lượt chạy lại thay vì cho rằng giá dán trên bao bì là đủ.
Open Weights, Các Vùng Lãnh Thổ Bị Loại Trừ, và Phần Không Ai Đọc
Các weights thực sự được công bố. MiniMaxAI/MiniMax-H3 trên Hugging Face là một transformer omni mật độ đơn luồng 33B tham số ở BF16, đi kèm hai checkpoint sẵn sàng, toàn bộ bộ mã hóa văn bản Qwen3-VL-32B và hai autoencoder. Kéo hết tất cả vào khoảng 499 GB. Đây là mô hình chủ lực hiện tại, không phải phiên bản đã nghỉ hưu, và trong số các thứ hạng đầu trên mọi bảng video của Artificial Analysis, nó là mục open-weights duy nhất.
Sau đó bạn đọc giấy phép, và nó đang làm nhiều việc hơn những gì cụm từ "open weights" gợi ý (Hugging Face, tháng 8 năm 2026):
- §I.5 định nghĩa Excluded Territories là Liên minh Châu Âu, Vương quốc Anh, Hàn Quốc và Hoa Kỳ. Phạm vi cấp phép áp dụng trên toàn thế giới trừ những nơi đó.
- §V.4 đi xa hơn việc triển khai. Bạn không được sử dụng, sao chép, sửa đổi, phân phối hoặc hiển thị các tác phẩm hoặc bất kỳ Đầu ra nào của chúng bên ngoài Lãnh thổ Áp dụng.
- §IV.1 yêu cầu văn bản ủy quyền riêng trước nếu sản phẩm thương mại của bạn vượt 20 triệu đô la doanh thu hàng năm.
- §IV.2 yêu cầu bạn hiển thị "MiniMax H3" nổi bật trong giao diện người dùng của bất kỳ sản phẩm thương mại nào xây dựng trên nó.
MiniMax không để chuyện đó lửng lơ. Kho lưu trữ đi kèm một mục Hỏi đáp về giấy phép và một mẫu đơn đăng ký, và giấy phép nói công ty sẽ tiếp tục đánh giá các khu vực pháp lý đó và mời các bên quan tâm nộp đơn. Vì vậy, cách diễn đạt chính xác là "chưa phải bây giờ, hãy hỏi chúng tôi", không phải "cấm vĩnh viễn". Đây vẫn là một câu hỏi cần đưa qua bộ phận pháp lý trước khi bạn lên kế hoạch xây dựng sản phẩm quanh bộ weights nội địa cho thị trường Mỹ hoặc EU.
Và weights nội địa không phải là API. Tự lưu trữ H3-Base kết xuất ở cạnh ngắn 768 pixel; đường 2K chạy qua một giai đoạn tái tạo riêng ở phía API. Open weights mua cho bạn một mô hình 768p mà bạn kiểm soát, không phải mô hình 2K đã thắng những phiếu bầu đó.
Một điều tôi không thể xác minh: liệu đầu ra Veo 3.1 có mang hình mờ SynthID khi được phục vụ qua API bên thứ ba hay không. Hãy coi đó là chưa được xác minh. Các tập tin H3 trong lượt chạy này không mang hình mờ nhìn thấy được.
Câu Hỏi Thường Gặp
MiniMax H3 có thực sự tốt hơn Veo 3.1 không?
Trên phiếu bầu mù có âm thanh, có, với cách biệt 145 Elo ở mục chuyển văn bản thành video của Artificial Analysis, và H3 đứng đầu bảng xếp hạng chỉnh sửa video mà Veo 3.1 không xuất hiện. Nó cũng tốn ít hơn mỗi giây khi bật âm thanh so với Veo tắt âm thanh. Veo 3.1 vẫn thắng ở đầu ra 4K và ở khả năng kiểm soát seed cộng negative_prompt.
Vì sao video Veo 3.1 của tôi bị câm?
Vì generate_audio mặc định là false trên Veo 3.1 và Veo 3.1 Fast. Hãy đặt nó thành true một cách tường minh. Lưu ý điều này làm tăng gấp đôi chi phí mỗi giây của bạn, từ $0,20 lên $0,40 trên Atlas Cloud. MiniMax H3 không có tham số như vậy, vì âm thanh được tạo trong cùng một lượt với hình ảnh. Veo 3.1 Lite cũng luôn tạo âm thanh.
MiniMax H3 có thể tạo clip dài hơn giới hạn 8 giây của Veo 3.1 không?
Có. H3 chấp nhận mọi số giây nguyên từ 4 đến 15 như một cú quay liên tục duy nhất, cả hai trường đều bắt buộc trên yêu cầu. Enum thời lượng của Veo 3.1 là [4, 6, 8], cứng nhắc. Muốn dài hơn trên Veo nghĩa là tạo các khối 8 giây rồi kéo dài hoặc nối chúng, sau đó khớp hiệu chỉnh màu và âm thanh qua các đường nối.
MiniMax H3 có open weights. Điều đó có làm nó miễn phí không?
Không theo cách hầu hết mọi người hiểu. Toàn bộ bản tải về khoảng 499 GB, H3-Base tự lưu trữ kết xuất ở cạnh ngắn 768 pixel, và 2K cần giai đoạn tái tạo phía API. Giấy phép cộng đồng cũng loại trừ EU, Anh, Hàn Quốc và Mỹ, và hạn chế đó bao phủ cả đầu ra, không chỉ việc triển khai, với một kênh ủy quyền chính thức mở cho các khu vực đó.
Cái nào rẻ hơn cho một quảng cáo 30 giây hoàn chỉnh, MiniMax H3 hay Veo 3.1?
H3 ở 2K ra khoảng $12,60 cho một spot 30 giây ở tỷ lệ giữ chân 3:1, so với khoảng $36,00 cho Veo 3.1 bật âm thanh. Nhưng Veo 3.1 Lite đánh bại cả hai ở khoảng $4,50 nếu 720p và các khối 8 giây chấp nhận được. Lợi thế chi phí của H3 phụ thuộc vào việc bạn muốn 2K, cảnh quay dài hơn, lựa chọn tỷ lệ rộng hơn hay âm thanh miễn phí.
MiniMax H3 có làm được 4K như Veo 3.1 không?
Không. Enum độ phân giải của H3 chỉ có 768P và 2K. Veo 3.1 bao gồm 4k, ở $0,60 mỗi giây theo bảng giá của chính Google, và Veo 3.1 Lite cũng tường minh không hỗ trợ 4K. Nếu master 4K là điều khoản hợp đồng, Veo 3.1 chuẩn là mô hình duy nhất trong ba cái có thể bàn giao.
